%0 Journal Article %A Babajafari, H. %A Paimozd, Sh. %A Moghaddasi, M. %A Hosseini Vardanjani, M. %T Assessment Monitoring Spatio-Temporal of Drought Lake Urmia Basin using ETDI Remote Sensing Index and SPI Ground Index %J Journal of Water and Soil Science %V 26 %N 3 %U http://jstnar.iut.ac.ir/article-1-4227-fa.html %R 10.47176/jwss.26.3.45491 %D 2022 %K Agricultural drought, AVHRR sensor, ETDI index, SPI index, %X خشکسالی به‌دلیل شروع آهسته و تأثیر بلندمدت آن یکی از پیچیده‌ترین بلایای طبیعی است¬، امروزه استفاده از تکنیک سنجش از دور و تصاویر ماهواره‌ای به‌عنوان یک ابزار مفید برای پایش خشکسالی کشاورزی مورد توجه قرار گرفته است. در تحقیق حاضر، هدف، ارزیابی پایش مکانی و زمانی خشکسالی کشاورزی در حوضه آبریز دریاچه ارومیه با شاخص خشکسالی ETDI که از روی تصاویر ماهواره نوا بر اساس تبخیر و تعرق واقعی حاصل از الگوریتم SEBS، محاسبه و مقایسه آن با شاخص زمینی SPI است. بدین منظور از 248 تصویر سنجندۀ AVHRR و ماهواره NOAA طی دورۀ آماری 2009-1998 و 17 ایستگاه هواشناسی با دوره آماری 30 ساله برای محاسبه شاخص‌ها استفاده شد. به‌منظور تعیین اراضی کشاورزی، تعداد شش هزار نقطه برای کاربری‌های مختلف برداشت و تبخیر و تعرق واقعی آنها به‌کمک الگوریتم SEBS شد. نتایج نشان داد با شروع دوره خشکسالی در سال 1998 شاخص ETDI، خشکسالی را در ماه می با مقدار 9/4 درصد در وضعیت خشکسالی ضعیف و 90/6 درصد در وضعیت نرمال نشان می‌دهد. با گذشت زمان، در ماه جون شرایط با مقدار 95 درصد در وضعیت خشکسالی ضعیف و 5 درصد در وضعیت نرمال برای شهر تبریز متفاوت‌تر می‌شود و در ماه ژوئیه کل حوضه آبریز، خشکسالی ضعیفی را تجربه می‌کند. سپس در ماه آگوست 84 درصد حوضه در وضعیت نرمال و 16 درصد در شهر تبریز و ارومیه خشکسالی ضعیف اعلام می‌شود، همچنین مشخص شد شاخص خشکسالی ETDI به‌علت ترکیب باندهای مرئی و مادون قرمز و ترکیب آن با داده‌های زمینی، دارای مفهوم فیزیکی بوده و از قطعیت بالایی برخوردار است و خشکسالی را سریع‌تر و دقیق‌تر پیش‌بینی می‌کند. %> http://jstnar.iut.ac.ir/article-1-4227-fa.pdf %P 281-302 %& 281 %! %9 Research %L A-10-4549-1 %+ Arak University %G eng %@ 2476-3594 %[ 2022